CHƯƠNG IV: ỨNG DỤNG ẢNH VIỄN THÁM LANDSAT ĐỂ NGHIÊN CỨU TÁC ĐỘNG CỦA THẢM PHỦ ĐẾN DÒNG CHẢY TRÊN LƯU VỰC SÔNG VỆ
IV. Kĩ thuật xử lí ảnh viễn thám
Méo hình hình học là sai lệch vị trí giữa tọa độ ảnh thực tế đo được và tọa độ ảnh lý tưởng thu được từ bộ cảm có thiết kế hình học lý tưởng và trong các điều kiện thu nhận lý tưởng. Méo hình hình học gồm méo hình nội sai và méo hình ngoại sai. Méo hình nội sai sinh ra do tính chất hình học của bộ cảm và méo hình ngoại sai gây ra do vị trí của vật mang và hình dáng của vật thể. Để đưa các tọa độ ảnh thực tế về tọa độ ảnh lý tưởng phải hiệu chỉnh hình học.
Bản chất của hiệu chỉnh hình học là xây dựng được mối tương quan giữa hệ tọa độ ảnh đo và hệ tọa độ qui chiếu chuẩn. Hệ tọa độ qui chiếu chuẩn có thể là hệ tọa độ mặt đất (hệ tọa độ vuông góc hoặc hệ tọa độ địa lý) hoặc hệ tọa độ ảnh khác.
Các trình tự cơ bản của hiệu chỉnh hình học bao gồm : a) Chọn lựa phương pháp
Phương pháp được chọn lựa phải dựa trên bản chất méo hình của tư liệu nghiên cứu và số lượng điểm khống chế có thể được.
b) Xác định các tham số hiệu chỉnh
Việc xác định các tham số hiệu chỉnh thông thường dựa trên việc thiết lập các mô hình toán học và các hệ số của mô hình này được tính theo phương pháp bình sai trên cơ sở các điểm đã biết tọa độ ảnh và tọa độ các điểm kiểm tra.
` 2. Tăng cường chất lượng ảnh và tổ hợp màu
Những ph p tăng cường chất lượng ảnh thường được sử dụng là biến đổi cấp độ xám, biến đổi histogram, tổ hợp màu.
a) Biến đổi cấp độ xám
Biến đổi cấp độ xám là một kỹ thuật tăng cường chất lượng ảnh đơn giản nh m biến đổi khoảng giá trị cấp độ xám mà thiết bị hiển thị có khả năng thể hiện được. B ng cách biến đổi này hình ảnh trông sẽ rõ hơn. Có thể thực hiện phép biến đổi này dựa theo quan hệ y = f(x). Trong đó y là giá trị cấp độ xám sau biến đổi và x là giá trị cấp độ xám nguyên thuỷ. Hàm số f có thể là tuyến tính hoặc phi tuyến tính. Thường người ta sử dụng phép biến đổi tuyến tính và phép biến đổi dựa vào giá trị trung bình.
b) Tổ hợp màu
Một bức ảnh mầu có thể được tổ hợp trên cơ sở gán 3 kênh phổ nào đó cho 3 mầu cơ bản. Có hai phương pháp trộn mầu đó là cộng mầu và trừ mầu. Nếu ta chia toàn bộ dải sóng nhìn thấy thành 3 vùng cơ bản là đỏ, lục, chàm và sau đó lại dùng ánh sáng trắng chiếu qua kính lọc đỏ, lục, chàm tương ứng ta thấy hầu hết các mầu tự nhiên đều được khôi phục lại. Phương pháp tổ hợp mầu đó được gọi là phương pháp tổ hợp mầu tự nhiên.
Trong viễn thám, các kênh phổ không được chia đều trong dải sóng nhìn thấy nên không thể tái tạo lại được các mầu tự nhiên mặc dù cũng sử dụng 3 mầu cơ bản đỏ, lục, chàm.
Tổ hợp mầu như vậy được gọi là tổ hợp mầu giả. Tổ hợp mầu giả thông dụng nhất trong viễn thám là tổ hợp mầu giả khi gán mầu đỏ cho kênh hồng ngoại, mầu lục cho kênh đỏ và mầu chàm cho kênh lục. Trên tổ hợp mầu này các đối tượng được thể hiện theo các gam mầu chuẩn như thực vật có mầu đỏ. Với các mức độ khác nhau của màu đỏ thể hiện mức độ dày đặc của thảm thực vật. Tổ hợp mầu chỉ thực hiện được trong trường hợp có 3 kênh phổ trở lên. Trong trường hợp chỉ có một kênh phổ, để có thể thể hiện được trong không gian màu người ta sử dụng phương pháp hiện màu giả, trong phương pháp này ứng với một khoảng cấp độ xám nhất định sẽ được gán một màu nào đó. Cách gán mầu như vậy không có qui luật nào cả và hoàn toàn phụ thuộc vào người thiết kế. Thông thường cách này hay được sử dụng cho ảnh sau phân loại, ảnh chỉ số thực vật, ảnh nhiệt.
3. Giải đoán ảnh viễn thám a) Giải đoán ảnh b ng mắt
Đoán đọc điều vẽ ảnh b ng mắt có thể áp dụng trong mọi điều kiện trang thiết bị.
Đoán đọc điều vẽ b ng mắt là việc sử dụng mắt người cùng với các dụng cụ quang học như kính lúp, kính lập thể, máy tổng hợp mầu để xác định các đối tượng. Cơ sở để đoán đọc điều vẽ b ng mắt là các chuẩn đoán đọc điều vẽ và mẫu đoán đọc điều vẽ.
- C uẩn đo n đọ điều vẽ ản vệ tin và mẫu đo n đọ điều vẽ
Nhìn chung có thể chia các chuẩn đoán đọc điều vẽ thành 8 nhóm chính sau:
+ Chuẩn t ước
Cần phải chọn một tỷ lệ ảnh phù hợp để đoán đọc điều vẽ. Kích thước của đối tượng có thể xác định nếu lấy kích thước đo được trên ảnh nhân với mẫu số tỷ lệ ảnh.
` + Chuẩn hình dạng
Hình dạng có ý nghĩa quan trọng trong đoán đọc ảnh. Hình dạng đặc trưng cho mỗi đối tượng khi nhìn từ trên cao xuống và được coi là chuẩn đoán đọc quan trọng.
+ C uẩn bóng
Bóng của vật thể dễ dàng nhận thấy khi nguồn sáng không n m chính xác ở đỉnh đầu hoặc trường hợp chụp ảnh xiên. Dựa vào bóng của vật thể có thể xác định được chiều cao của nó.
+ C uẩn độ đen
Độ đen trên ảnh đen trắng biến thiên từ trắng đến đen. Mỗi vật thể được thể hiện b ng một cấp độ sáng nhất định tỷ lệ với cường độ phản xạ ánh sáng của nó. Ví dụ cát khô phản xạ rất mạnh ánh sáng nên bao giờ cũng có mầu trắng, trong khi đó cát ướt do độ phản xạ kém hơn nên có mầu tối hơn trên ảnh đen trắng. Trên ảnh hồng ngoại đen trắng do cây lá nhọn phản xạ mạnh tia hồng ngoại nên chúng có mầu trắng và nước lại hấp thụ hầu hết bức xạ trong dải sóng này nên bao giờ cũng có mầu đen.
- C uẩn mầu sắ
Mầu sắc là một chuẩn rất tốt trong việc xác định các đối tượng. Ví dụ các kiểu loài thực vật có thể được phát hiện dễ dàng ngay cả cho những người không có nhiều kinh nghiệm trong đoán đọc điều vẽ ảnh khi sử dụng ảnh hồng ngoại mầu. Các đối tượng khác nhau cho các tông mầu khác nhau đặc biệt khi sử dụng ảnh đa phổ tổng hợp mầu.
+ C uẩn ấu trú
Cấu trúc là một tập hợp của nhiều hình mẫu nhỏ. Ví dụ một bãi cỏ không bị lẫn các loài cây khác cho một cấu trúc mịn trên ảnh, ngược lại rừng hỗn giao cho một cấu trúc sần sùi.
Đương nhiên điều này còn phụ thuộc vào tỷ lệ ảnh được sử dụng.
+ C uẩn p ân b
Chuẩn phân bố là một tập hợp của nhiều hình dạng nhỏ phân bố theo một quy luật nhất định trên toàn ảnh và trong mối quan hệ với đối tượng cần nghiên cứu. Ví dụ hình ảnh của các dãy nhà, hình ảnh của ruộng lúa nước, các đồi trồng chè... tạo ra những hình mẫu đặc trưng riêng cho các đối tượng đó.
+ C uẩn m i qu n ệ tương ỗ
Một tổng thể các chuẩn đoán đọc điều vẽ, môi trường xung quanh hoặc mối liên quan của đối tượng nghiên cứu với các đối tượng khác cung cấp một thông tin đoán đọc điều vẽ quan trọng.
Nh m trợ giúp cho công tác đoán đọc điều vẽ người ta thành lập các mẫu đoán đọc điều vẽ cho các đối tượng khác nhau. Mẫu đoán đọc điều vẽ là tập hợp các chuẩn dùng để đoán đọc điều vẽ một đối tượng nhất định. Kết quả đoán đọc điều vẽ phụ thuộc vào mẫu đoán đọc điều vẽ. Mục đích của việc sử dụng mẫu đoán đọc điều vẽ là làm chuẩn hóa kết quả đoán đọc điều vẽ của nhiều người khác nhau. Thông thường mẫu đoán đọc điều vẽ do những người có nhiều kinh nghiệm và hiểu biết thành lập dựa trên những vùng nghiên
` cứu thử nghiệm đã được điều tra kỹ lưỡng. Tất cả 8 chuẩn đoán đọc điều vẽ cùng với các thông tin về thời gian chụp, mùa chụp, tỷ lệ ảnh đều phải đưa vào mẫu đoán đọc điều vẽ.
Một bộ mẫu đoán đọc điều vẽ bao gồm không chỉ phần ảnh mà còn mô tả b ng lời nữa.
b) Ảnh tổng hợp mầu
Tư liệu ảnh vệ tinh dùng để giải đoán b ng mắt tốt nhất là các ảnh tổng hợp mầu.
Đặc điểm cơ bản của ảnh tổng hợp mầu là sự mã hóa b ng mầu sắc các khác biệt về phổ của các đối tượng. Ở đây chuẩn đoán đọc điều vẽ chính là độ tương phản mầu được nhấn mạnh nhờ sự lựa chọn một cách có ý thức phương án tổng hợp mầu. Trong trường hợp tư liệu gốc thoả mãn các điều kiện kỹ thuật nếu sử dụng phương án tổng hợp mầu chuẩn và điều kiện xử lý hóa ảnh chặt chẽ thì mầu là một chuẩn đoán đọc điều vẽ tương đối ổn định.
Nhờ khả năng phân biệt cao của mầu sắc mà nó có thể truyền đạt các khác biệt về phổ của đối tượng, ảnh tổng hợp mầu có tính trực quan sinh động hơn ảnh phổ trắng đen.
Đối với ảnh phổ chụp ở vùng hồng ngoại, ảnh tổng hợp mầu cho ta bức tranh mầu giả không có thực trong tự nhiên.
Về mầu sắc, ảnh tổng hợp mầu so với ảnh mầu vệ tinh chụp trên phim mầu 3 lớp có nhiều mầu sắc hơn với độ tương phản mầu cao hơn. So với ảnh phổ thì ảnh tổng hợp mầu cũng có nhiều mầu sắc hơn và độ tương phản cao hơn, nhưng lực phân giải lại kém hơn ảnh phổ mầu. Khả năng đoán đọc điều vẽ các đối tượng trên ảnh tổng hợp mầu phụ thuộc vào phương án lựa chọn mầu. Việc lựa chọn các phương án tổng hợp mầu phụ thuộc vào nhiệm vụ đoán đọc điều vẽ, khả năng ứng dụng của ảnh tổng hợp mầu để đoán đọc điều vẽ các đối tượng cụ thể.
Lựa chọn kênh phổ để tổng hợp mầu là một công việc quan trọng quyết định chất lượng thông tin của kết quả tổng hợp mầu. Việc lựa chọn kênh phổ được xác định trên cơ sở như sau:
- Đặc tính phản xạ phổ của các đối tượng cần đoán đọc điều vẽ.
- Nhiệm vụ đoán đọc điều vẽ.
- Yêu cầu đối với lực phân giải.
- Đặc điểm của vùng cần tổng hợp mầu...
c) Giải đoán ảnh theo phương pháp số
Mục đích tổng quát của phân loại đa phổ là tự động phân loại tất cả các pixel trong ảnh thành các lớp phủ đối tượng. Thông thường người ta sử dụng các dữ liệu đa phổ để phân loại và tất nhiên, mẫu phổ trong cơ sở dữ liệu đối với mỗi pixel sẽ được dùng làm cơ sở để phân loại. Có nghĩa là, các kiểu đặc trưng khác nhau biểu thị các tổ hợp giá trị số dựa trên sự bức xạ phổ và đặc trưng bức xạ vốn có của chúng. Vì vậy một "mẫu phổ"
không nói đến tính chất hình học mà đúng hơn, thuật ngữ "phổ" ở đây nói đến một tập hợp giá trị đo bức xạ thu được trong các kênh phổ khác nhau đối với mỗi pixel. Việc nhận biết mẫu phổ đề cập đến một số phương pháp phân loại có sử dụng thông tin phổ trên các pixel làm cơ sở để tự động phân loại các lớp đối tượng.
` N ận biết mẫu p ổ t eo ông gi n bao gồm phân loại pixel hình ảnh dựa trên cơ sở quan hệ không gian của chúng với các pixel bao quanh. Việc phân loại không gian có thể xem xét những khía cạnh như cấu trúc của hình ảnh tính chất gần gũi của pixel, kích thước nét, hình ảnh, tính định hướng, tính lặp lại và bối cảnh cụ thể. Những dạng phân loại này có mục đích là tái tạo loại hình tổng hợp theo không gian do người giải đoán tiến hành trong quá trình đoán đọc ảnh b ng mắt. Do đó phương thức nhận biết mẫu theo không gian có xu hướng phức tạp hơn và đòi hỏi đi sâu vào tính toán hơn.
N ận biết mẫu t eo t ời gi n sử dụng thời gian như một công cụ trợ giúp trong việc nhận dạng các đặc trưng. Trong việc khảo sát các cây trồng nông nghiệp chẳng hạn, những thay đổi khác biệt về phổ và không gian trong một vụ canh tác có thể cho phép phân biệt trên các hình ảnh đa thời gian nhưng không thể phân biệt được nếu chỉ cho một dữ liệu mà thôi. Chẳng hạn, một ruộng lúa nương có thể không thể phân biệt được với đất hoang nếu vừa mới gieo xong ở mùa đông và về phương diện phổ nó sẽ tương tự như bãi đất hoang ở mùa xuân. Tuy nhiên nếu được phân tích từ hai dữ liệu thì ruộng lúa nương nhận biết được, bởi vì không có lớp phủ nào khác để hoang về cuối đông và có màu xanh lục ở cuối mùa xuân.
Với việc khôi phục lại hình ảnh và các kỹ thuật tăng cường, việc phân loại hình ảnh có thể sử dụng kết hợp theo kiểu lai tạo. Do vậy, không có một cách "đúng đắn" đơn lẻ nào có thể áp dụng cho việc phân loại hình ảnh. Việc áp dụng phương pháp phân loại này hay phương pháp phân loại khác phụ thuộc vào tính chất của dữ liệu đang phân tích và vào khả năng tính toán.
Có hai phương pháp phân loại đa phổ, đó là phương pháp phân loại có kiểm định và phương pháp phân loại không kiểm định.
Trong p ương p p p ân loại ó iểm địn người giải đoán ảnh sẽ "kiểm tra" quá trình phân loại pixel b ng việc quy định cụ thể theo thuật toán máy tính, các chữ số mô tả b ng số các thể loại lớp phủ mặt đất khác nhau có mặt trên một cảnh. Để làm việc này, các điểm lấy mẫu đại diện của loại lớp phủ đã biết (gọi là các vùng mẫu) được sử dụng để biên tập thành một "khóa giải đoán" b ng số mô tả các thuộc tính phổ cho mỗi thể loại điển hình. Sau đó mỗi pixel trong tập hợp dữ liệu sẽ được so sánh với mỗi chủng loại trong khóa giải đoán và được gán nhãn b ng tên của chủng loại mà nó "có vẻ giống nhất". Bản chất của quá trình này là so sánh các pixel chưa biết với mẫu phổ của các đối tượng được xây dựng ở giai đoạn lấy mẫu, sau đó quy các pixel này về loại đối tượng mà chúng gần giống nhất.
Việc phân loại đa phổ trong phương pháp phân loại có kiểm định thường dùng các thuật toán sau:
- Thuật toán phân loại theo xác suất cực đại.
- Thuật toán phân loại theo khoảng cách ngắn nhất.
- Thuật toán phân loại hình hộp.
` Còn p ương p p p ân loại ông iểm địn không giống như phương pháp phân loại có kiểm định, quy trình phân loại không kiểm định gồm hai bước riêng biệt. Điểm khác biệt cơ bản giữa hai phương pháp này là ở chỗ phương pháp phân loại có kiểm định bao gồm bước lấy mẫu và bước phân loại, còn trong phương pháp phân loại không kiểm định, trước tiên dữ liệu ảnh được phân loại b ng cách nhóm chúng thành các nhóm tự nhiên hoặc thành các cụm có mặt trên cảnh. Sau đó người giải đoán ảnh sẽ xác định tính đồng nhất của lớp phủ mặt đất của các nhóm phổ này b ng cách so sánh các dữ liệu hình ảnh đã phân loại với các dữ liệu tham khảo mặt đất.
Trong phương pháp phân loại có kiểm định chúng ta không xem xét đến việc lấy mẫu cho loại đối tượng bị phân loại sai. Điều đó cho thấy ưu điểm của phương pháp phân loại không kiểm định là xác định rõ các loại khác nhau có mặt trong dữ liệu hình ảnh.
Nhiều trong số các loại này có thể đầu tiên chưa xuất hiện đối với người giải đoán dùng phương pháp phân loại có kiểm định. Các loại phổ trong một cảnh tượng có thể có quá nhiều làm cho ta gặp khó khăn khi lấy mẫu cho tất cả các loại của chúng, còn trong phương pháp phân loại không kiểm định các loại này được tự động tìm thấy.